Modul kuliah System pendukung keputusan Tujuan Intruksional : Memberikan dasar pengertian tentang pengambilan keputusan dalam organisasi

dan penggunaan sistem berbasis komputer untuk mendukung pengambilan keputusan. Materi: • • • • • • • • Sistem-sistem yang ada dalam Management Support System (MSS). Pengambilan keputusan, penjelasan sistem, pemodelan, dan masalah dukungan (support). Sistem pendukung keputusan. Manajemen data. Pemodelan dan manajemen model. Antarmuka user. Langkah-langkah membangun sistem pendukung keputusan. Sistem pendukung keputusan secara organisasi dan berbagai topik pengembangannya.

Sistem Pendukung Keputusan – Gunandjar,ST

Page 1

BAB I KERANGKA UNTUK PENGEMBANGAN SPK Beberapa penulis mendefinisikan segala system yang dapat memberikan kontribusi terhadap pembuatan keputusan. Faktor yang menyulitkan adalah bahwa orang yang berasal dari latar belakang dan konteks yang berbeda memandang DSS dengan sangat berlainan. Untuk memahami DSS dan potensinya, pendekatan dengan menilik “sifatnya” nya akan lebih mudah. Sifat DSS yang bisa diamati dari hasil kerja Alter, Keen meliputi : 1. Cenderung ditujukan untuk masalah yang belum tertetapkan dan kurang terstruktur yang dihadapi oleh manajer tingkat atas. 2. Berusaha mengkombinasikan penggunaan model atau teknik analitis yang memiliki akses data tradisional dan fungsi pemanggilan data. 3. Difokuskan pada bentuk yang memudahkan untuk digunakan orang-orang nonkomputer dalam mode interaktif 4. Menekankan fleksibilitas dan daya adaptasi guna mengakomodasi perubahan dalam lingkungan dan cara pembuatan keputusan yang dilakukan pemakai.

1.1 Kerangka untuk pemeriksaan keterlibatan manajemen dalam Sistem Pendukung Keputusan Tujuan spesifik SPK : Memberi bantuan kepada para pembuat keputusan manajemen tingkat menengah dan atas. (Mann & Watson), SPK adalah sistem interaktif yang memberi akses yang mudah ke model keputusan dan data kepada para pemakai guna menunjang tugas pembuatan keputusan yang sifatnya semi terstruktur atau tidak terstruktur. Menurut hasil riset, manajer dalam DSS berperan sebagai (4 area) : 1. Pemberi persetujuan dan administrator 2. Pengembang sistem (developer) 3. Operator 4. Pemakai output

Sistem Pendukung Keputusan – Gunandjar,ST

Page 2

Kerangka Kerja Decision Support (DS)
Tipe Keputusan Terstruktur Kontrol Operasional Account receivable order entry Production schedulling, inventory control Selecting a cover for a magazine, buyingsoftw are, approving loans MIS, manageme nt science Tipe Kontrol Kontrol Manajerial Perencanaan strategis Budget analysis, shortterm,forecasting, personnel reports,make or buy credit evaluation,budget preparation,plant layout,project scheduling,reward system design Dukungan yang dibutuhkan MIS,Operational research models,transaction processing

Financial management (investment),werehouse location,distribution system Building newplant, mergers and acquisitions, newproduct planning, compensationplanning, quality assurance planning

Semi terstruktur

DSS

Tak terstruktur

Negotiating, recruiting an executive, buying hardware, lobbying

R & D planning, new technology development, socialresponsibility planning

DSS, ES, networks neural

Dukungan yang diperlukan

Management sciense, DSS, S, EIS

EIS, ES, neural networks

Proses pengambilan keputusan terdiri dari 3 fase proses: intelligence, design, dan choice. • • • Intelligence – pencarian kondisi-kondisi yang dapat menghasilkan keputusan. Design – menemukan, mengembangkan, dan menganalisis materi-materi yang mungkin untuk dikerjakan. Choice – pemilihan dari materi-materi yang tersedia, mana yang akan dikerjakan. Proses-proses yang terjadi pada kerangka kerja DS dibedakan atas: • • Terstruktur, mengacu pada permasalahan rutin dan berulang untuk solusi standar yang ada. Tak terstruktur, adalah “fuzzy”, permasalahan kompleks dimana tak ada solusi serta merta. Masalah yang tak terstruktur adalah tak adanya 3 fase proses yang terstruktur. • Semi terstruktur, terdapat beberapa keputusan terstruktur, tetapi tak semuanya dari fase- fase yang ada. Sistem Pendukung Keputusan – Gunandjar,ST Page 3

Pendekatan Management Science mengadopsi pandangan seorang manajer yang dapat mengikuti proses yang sistematik untuk penyelesaian masalah. Sehingga adalah mungkin untuk menggunakan pendekatan sains pada Managerial Decision Making. Langkahnya adalah: 1. Definisi masalah (keputusan situasi yang berhubungan dengan berbagai masalah atau dengan suatu kesempatan) 2. Klasifikasi masalah ke dalam kategori standar. 3. Membuat model matematika yang menjelaskan masalah secara nyata. 4. Menemukan solusi potensial di model masalah tadi dan mengevaluasinya. 5. Memilih dan merekomendasikan satu solusi dari masalah. Proses ini dipusatkan pada masalah modeling/pemodelan. 1.2 Decission Support System Sistem berbasis komputer yang interaktif, yang membantu pengambil keputusan memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang tak terstruktur. DSS mendayagunakan resources individu-individu secara intelek dengan kemampuan komputer untuk meningkatkan kualitas keputusan. Jadi ini merupakan sistem pendukung yang berbasis komputer untuk manajemen pengambilan keputusan yang berhubungan dengan masalah- masalah yang semi terstruktur. Istilah DSS kadang digunakan untuk Menggambarkan sembarang sistem yang terkomputerisasi. DDS digunakan untuk definisi yang lebih sempit, dan digunakan istilah MSS sebagai paying untuk menggambarkan berbagai tipe sistem pendukung. Mengapa menggunakan DSS? • • • • Perusahaan beroperasi pada ekonomi yang tak stabil. Perusahaan dihadapkan pada kompetisi dalam dan luar negeri yang meningkat. Perusahaan menghadapi peningkatan kesulitan dalam hal melacak jumlah operasi-operasi bisnis. Sistem komputer perusahaan tak mendukung peningkatan tujuan perusahaan dalam hal efisiensi, profitabilitas, dan mencari jalan masuk di pasar yang benar-benar menguntungkan. 6 alasan mengapa perusahaan-perusahaan utama memulai DSS dalam skala besar: Sistem Pendukung Keputusan – Gunandjar,ST Page 4

Kebutuhan akan informasi baru. dan melacak data dan informasi yang kritis. Sistem Pendukung Keputusan – Gunandjar. Pencapaian pengurangan biaya. Penyediaan informasi yang tepat waktu. Memfilter. Alasan lain dalam pengembangan DSS adalah perubahan perilaku komputasi enduser. Manajemen diamanahi DSS. 1. Menyediakan pelacakan dan kontrol yang tepat waktu dan efektif. memadatkan.Satu contoh dari implementasi Group DSS ini adalah Total Quality Management (TQM). Mengumpulkan keseluruhan group secara bersama dalam satu tempat dan waktu adalah sulit dan mahal. Dan ini dipenuhi oleh DSS. sehingga pertemuan ini memakan waktu lama dan keputusan yang dibuat hasilnya sedang-sedang saja. tak terlalu baik. Berbagai keputusan utama dalam organisasi dibuat oleh group secara kolektif.• • • • • • Kebutuhan akan informasi yang akurat. atau grafik. Mempertemukan berbagai gaya keputusan individu para Eksekutif. Menyediakan akses cepat pada informasi detil yang tersirat di teks.3 Group Support Systems (GSS). sehingga mereka membutuhkan tool dan prosedur yang mudah untuk digunakan. Menyediakan antarmuka yang benar-benar user-friendly untuk Eksekutif. seperti: groupware.4 Executive Information (atau Support) Systems (EIS atau ESS). collaborative systems. EIS dikembangkan utamanya untuk: • • • • • • • • Menyediakan kebutuhan informasi yang diperlukan oleh pihak Eksekutif. electronic meeting systems. End-user bukanlah programer. EIS bisa juga digunakan pada berbagai jenis perusahaan dan melayani sejumlah manajer sebagai suatu Enterprise Wide Systems (EWS). DSS dipandang sebagai pemenang secara organisasi.ST Page 5 . 1. bilangan. dan group DSS (ini yang kita gunakan).Peningkatan kinerja groupgroup tadi yang dibantu oleh teknologi Informasi ini muncul dalam berbagai istilah. Identifikasi masalah (atau juga kesempatan).

pada satu area masalah yang spesifik dan biasanya lebih sempit. Pengetahuan ini lalu disimpan disitu dan user dapat meminta saran spesifik yang dibutuhkannya. ES adalah paket hardware dan software yang digunakan sebagai pengambil keputusan dan/atau pemecahan masalah.1. mengolah dan menampilkan kesimpulan yang spesifik. ataupun pengetahuan secara eksplisit. • Teknologi sebelum Artificial Neural Network (ANN) berbasis pada penggunaan data. • Pada dunia nyata yang begitu kompleks.5 Expert Systems (ES) • • Semakin tak terstruktur suatu situasi. saran tersebut bisa dimanfaatkan oleh orang yang bukan pakar berikut penjelasannya yang berisi logika penalaran di balik saran itu. tak lengkap.6 Neural Computing (Artificial Neural Network). yang dapat mencapai level yang setara atau kadang malah melebihi seorang pakar/ahli. • • Perubahan lingkungan yang terjadi sedemikian cepatnya. Kepakaran ditransfer dari seorang pakar ke komputer. Komputer dapat mencari. maka akan solusinya akan lebih spesifik. ataupun pengetahuan eksplisit yang tersimpan di komputer dan memanipulasi mereka menurut kebutuhan. informasi. sedangkan keputusan harus diambil walaupun kondisinya seperti ini (informasi yang parsial. mungkin tak bisa didapatkan data. Ide dasarnya sederhana. yaitu menggunakan pengalaman yang bersesuaian dan belajar dari pengalaman itu tentang apa yang harus dikerjakan dengan situasi yang serupa untuk pengalaman yang tak sesuai. atau pun tak eksak). Pengambil keputusan menggunakan pengalaman yang ada untuk mengatasi hal ini. 1.ST . • Pada teknologi sebelumnya. • • Merupakan cabang dari aplikasi Artificial Intelligence (AI). informasi. ES dibuat untuk menyerupai seorang pakar/ahli. tak ada elemen untuk proses pembelajaran oleh Page 6 Sistem Pendukung Keputusan – Gunandjar. Dan seperti seorang pakar.

Decision Support Systems (DSS) dan Group DSS (GDSS). Artificial Neural Network (ANN). Transaction Processing Systems (TPS). 1. MIS.sales forecasting. DSS. Pendekatan ini berarti bahwa MSS dipandang canggih. monitoring Deccision Support Systems (DSS) Long-renge strategic planning.komputer. Expert Systems (ES). Expert System (ES) Execytive Information System (EIS) Support top management decision. disebut dengan Neural Computing atau ANN. internal control. Office Automation Systems (OAS). 7. Evolusi dan pembuatan tooltool yang lebih baru membantu kinerja pengembangan teknologi informasi untuk kebaikan manajemen dalam organisasi.production and sales Sistem Pendukung Keputusan – Gunandjar. Management Information Systems (MIS). 2. 4. Keterkaitan dan koordinasi diantara tool-tool ini masih berevolusi. EIS. record keeping.7 Evolusi dari alat Pengambilan keputusan terkomputasi Dibagi dalam 7 kategori: 1. dan ES dan teknologi-teknologi yang lain: Berbagai teknologi ini dapat dipandang sebagai klas yang unik dari teknologi informasi. 5. Executive Information Systems (EIS).ST Page 7 . complex Diagnostics strategic planning. 3. MIS.envi to Applications Payroll. jenis sistem informasi tingkat tinggi yang dapat ditambahkan pada sistem TPS tradisional. dan mereka saling mendukung satu sama lain dalam berbagai manajemen pengambilan keputusan. Hubungan antara TPS. Contohnya adalah pengenalan pola. Evolusi dari MSS dan hubungannya dengan sistem yang lain umumnya dipandang sebagai: rekomendasi dan saran yang disediakan oleh MSS ke manajer dapat dipertimbangkan sebagai informasi yang diperlukan untuk keputusan akhir yang akan dibuat. • Teknologi yang ditujukan untuk mengisi kekurangan ini. Atribut dari sistem pendukung terkomputerisasi utama: Dimension Transactions Processing Systems (TPS) Management Information Systems (MIS) Production control. Mereka saling berhubungan.inventory. OAS. 6.

exception reporting Middle management Information support specific decissions to Advice and explanations Highest organitation al level served Impetus Submanagerial. batch Decision capabilities No decisions Structured routing problems using conventiona management Semistructured problem.key indicators Type of information Summary reports. low management Analyst managers and Managers and specialist Senior executives (only) expeditiency efficiency Effectiveness Effectiveness and expedieny Timeliness 1. rules) ronmental scanning Tracking.intera ctive factual knowledge access. operational Scheduled and demand report structured flow. used of rules (heuristic) combined with DSS manipulation Numerical Numerical symbolic Numeric (mainly). integrated management science models. stategies Interfencing. blend of judgment and modeling Numerical The decision system when make complex unstructured. user friendliness Database by management systems.cont rol. enterprise wide access (to all data base) Only Database Unique update to each Interactive acess programmers application. drill down External (online)and corporate.som e symbolic Status access exception reporting. masalah-masalah yang Page 8 Sistem Pendukung Keputusan – Gunandjar.kno wledge base (facts.ST .8 Berbagai Perbedaan antara DSS dengan MIS Fitur dari DSS: • DSS dapat digunakan untuk mengawali kerja ad hoc.tra nsfer of expertise Procedural and factual knowledge.information Focus Data transactions information integrated problem areas Decisions flexibility.

dimana tujuan. DSS dapat dikembangkan oleh para profesional yang tak melibatkan pemrosesan data. aturan. waktu tunggu. data. Relevansinya untuk manajer adalah dalam pembuatan tool pendukung. Karakteristik MIS: • • • Kajiannya ada pada tugas-tugasnya yang terstruktur. dan alur informasi dapat didefinisikan Hasil utamanya adalah meningkatkan efisiensi dengan mengurangi biaya. Relevansinya untuk manajer ada pada rekomendasi detil dan metodologi baru untuk menangani masalah-masalah yang kompleks.aturan keputusan. DSS dapat menyediakan pendukungan keputusan dalam kerangka waktu yang pendek/terbatas. DSS dapat berevolusi sebagai mana halnya pengambil keputusan mempelajari tentang masalah-masalah yang dihadapinya. Karakteristik Operation Research/Management Science: • Kajiannya ada pada masalah-masalah yang terstruktur (dibandingkan dengan tugas-tugas). dan dengan mengganti karyawan klerikal. dimana prosedur operasi standar. dan batasan-batasan dapat lebih dulu ditentukan. Relevansinya untuk manajer pengambil keputusan biasanya tak langsung didapatkan. yang tak dimaksudkan untuk mengotomatiskan Sistem Pendukung Keputusan – Gunandjar.tak diharapkan. misalnya dengan penyediaan laporan dan akses ke data. • • • • DSS dapat menyediakan representasi valid dari sistem di dunia nyata. dan lain-lain. • Hasil utamanya adalah dalam peningkatan jangkauan dan kemampuan dari proses • pengambilan keputusan para manajer untuk membantu mereka meningkatkan efektivitasnya. Karakteristik DSS: • Kajiannya ada pada keputusan-keputusan dimana ada struktur yang cukup untuk komputer dan alat bantu analitis yang memiliki nilai tersendiri. tetapi tetap pertimbangan manajer memiliki esensi utama.ST Page 9 . • • Hasil utamanya adalah dalam menghasilkan solusi yang lebih baik untuk masalah-masalah tertentu. di bawah pengawasan mereka.

and DSS: Stategic Planning Managerial Control Operational Control Transaction Processing DSS MIS EDP 1. sistem yang berbasis komputer. 2. tren) dan penginterpretasian sangat dibantu oleh adanya komputerisasi. atau solusi tertentu. Step B. mereka dapat mengkomplemen satu sama lain. tujuan sistem. terintegrasi. membuatnya menjadi powerful. Disiplin antara ES dan DSS berkembang pararel. Sekali suatu masalah (kesempatan) teridentifikasi. MIS. Analisis bisa bersifat kualitatif atau pun kuantitatif (atau kombinasinya). bagaimana untuk memonitor. Analisis.9 Hubungan DSS dengan Expert System DSS dan ES berbeda dan tak berhubungan dengan sistem yang terkomputerisasi. disebabkan karena perbedaan kapabilitas diantara kedua tool. ES dapat membantu dalam mendesain alur informasi pada eksekutif (misalnya. Proses pengambilan keputusan: 1. Relasi antara EDP. Seluruh area dari proses scanning. Analisis kuantitatif didukung oleh DSS dan Sistem Pendukung Keputusan – Gunandjar.sendiri.proses pengambilan keputusan. monitoring.Demikian juga natural language processors (NLP) akan berguna dalam menyimpulkan informasi. Menurut kenyataannya. Cuma sekarang kita bisa mencoba menggabungkan potensi dari keduanya.ST Page 10 .forecasting (misalnya. maka kombinasiantara ES dan ANN tentu akan membantu. Step A. yang jelas dapat meningkatkan pengambilan keputusan manajerial. pertanyaan selanjutnya adalah apa yang harus dikerjakan dengan hal ini? Di sinilah langkah analisis berperanan. kapan) dan dalam penginterpretasian informasi. Mengerti masalah (atau kesempatan yang ada). Disebabkan beberapa informasi bersifat fuzzy. tapi saling tak tergantung dan berjalan sendiri.

Pada tahap ini. MSS adalah keluarga teknologi yang dapat digunakan secara mandiri atau dalam bentuk kombinasinya. People Scanning Problem identification (definition) (Intelegence) Newspapers TV Sensors ES. 4. Implementasi. Langkah ini didukung oleh DSS (jika pengambil keputusan adalah seseorang) atau oleh GDSS (jika keputusan dibuat oleh sekelompok orang). Pada langkah ini. keputusan dibuat dengan memperhatikan masalahnya (atau kesempatan) berdasarkan hasil dari analisis.ST Page 11 . Sistem Pendukung Keputusan – Gunandjar. EIS. Analisis kualitatif didukung oleh ES. keputusan untuk mengimplementasikan solusi tertentu dilakukan.NLP. dan DSS dan/atau ES bisa mendukung tahap ini. Step D. 3.MIS Step A EIS (ESS) ES Qualitative analysis (Design) Step B Quantitative analysis (Design) DSS MS/Or ANN Step C Decicion (choice) GDSS (groups) DSS (individual) Implement ? Step D Decision (choice) DSS and ES Kesimpulan • • • Perkembangan komputer demikian cepatnya dan juga penggunaannya oleh para manajer.oleh tool-tool analisis kuantitatif. Memilih. Dukungan terkomputerisasi untuk para manajer sangat penting dalam berbagai kasus untuk kelanjutan organisasinya. Step C.ANN.

Kerangka dukungan keputusan membagi kondisi keputusan dalam 9 kategori. dan mudah untuk • • • • • • • ES adalah sistem pemberi nasehat yang mencoba menirukan para pakar. DSS adalah teknologi analitis yang menggunakan model untuk solusi yang semi terstruktur dan masalah-masalah tak terstruktur. EIS adalah teknologi yang mendukung eksekutif dengan menyediakan bagi mereka informasi divisualisasikan. Semua teknologi MSS adalah interaktif. Fitur utama dari ES adalah aplikasinya untuk pengetahuan dan penggunaan reasoning (alas an suatu keputusan). • • • • Keputusan yang terstruktur didukung oleh metode analisis kuantitatif seperti: management science dan capital budgeting. Teknologi-teknologi MSS dapat diterapkan pada satu lokasi atau mereka dapat didistribusikan di keseluruhan perusahaan.sendiri. Setiap kategori mendapat dukungan komputer sendiri.ST Page 12 . Keuntungan utama dari MSS adalah ia dapat diukur. Komputasi saraf (neural computing) adalah teknologi yang mencoba menampilkan proses pembelajaran dan pengenalan pola.• • Manejemen pengambilan keputusan makin lama makin kompleks. Sistem Pendukung Keputusan – Gunandjar. tergantung pada derajat struktur dan aktivitas manajerial. Group DSS adalah teknologi yang mendukung proses pengambilan keputusan dalam suatu group. yang sedia setiap saat. detil. Maka metode intuisi dan trial and error tak tepat lagi. Teknologi-teknologi MSS dapat diintegrasikan diantara mereka sendiri dan dengan CBIS yang lain.

yang diakhiri dengan suatu rekomendasi.yaitu: (1) intelligence. Proses adalah proses transformasi elemen-elemen dari input menjadi output. 2. Sistem. Sistem adalah kumpulan dari obyek-obyek seperti orang. yang bertindak sebagai pengontrol. dan Output. dan prosedur yang ditujukan untuk melakukan fungsi tertentu atau memenuhi suatu tujuan. (2) design.PEMODELAN DAN DUKUNGAN Pengambilan keputusan adalah proses pemilihan.ST Page 13 . pengambil keputusan. and (4) implementation. konsep. diantara berbagai alternatif aksi yang bertujuan untuk memenuhi satu atau beberapa sasaran.Koneksi antara dan interaksi diantara sub sistem disebut dengan antarmuka/interface. 4 fase dalam pengambilan keputusan. Sistem terdiri dari: Input. EIS.Sedangkan pemecahan masalah adalah serupa dengan pengambilan keputusan (fase 1 sampai 3) ditambah dengan implementasi dari rekomendasi (fase 4).Pemecahan/penyelesaian masalah tak hanya mengacu ke solusi dari area masalah/kesulitan . Proses. atau proses. Dari informasi ini.1. Fase 1 sampai 3 merupakan dasar pengambilan keputusan. Feedback adalah aliran informasi dari komponen output ke pengambil keputusan yang memperhitungkan output atau kinerja sistem. atau malah keduanya. Contohnya adalah bahan baku yang masuk ke pabrik kimia. resources. pasien yang masuk ke rumah sakit. GDSS.SISTEM. dan ES melibatkan satu istilah: sistem. Sistem Pendukung Keputusan – Gunandjar. Output adalah adalah produk jadi atau hasil dari suatu proses di sistem.BAB 2 PENGAMBILAN KEPUTUSAN. bisa memutuskan untuk memodifikasi input. DSS. Input adalah semua elemen yang masuk ke sistem.kesulitan tapi mencakup juga penyelidikan mengenai kesempatan-kesempatan yang ada. (3) choice. input data ke komputer.

2 Model Karekteristik utama dari DSS adalah adanya kemampuan pemodelan. Contoh: sosial. material) dari lingkungannya dan bisa juga memberikan outputnya kembali ke lingkungan tersebut. dimana environment ada di luarnya. atau non fisik. speedometer. dan ekonomi. atau pun proses. Contoh: bagan organisasi. 2. Bila suatu elemen memiliki hubungan dengan tujuan sistem serta pengambil keputusan secara signifikan tak mungkin memanipulasi elemen ini. Sistem ada di dalam boundary. Replika fisik dari sistem. Terdapat 3 jenis model: 1. maka elemen tersebut harus dimasukkansebagai bagian dari environment. biasanya dalam skala tertentu dari bentuk aslinya. politik. tak tergantung sama sekali. misal: sistem adalah sebuah departemen di Gedung C. Analog. Lebih abstrak daripada model Iconic dan merupakan representasi simbolis dari kenyataan. 2. Sistem ini menerima input (informasi. Doing the “right” thing. energi. Model adalah representasi sederhana atau penggambaran dari kenyataan. misal: suatu sistem di batasi oleh waktu tertentu.Doing the “thing” right.ST Page 14 . Efisiensi adalah ukuran penggunaan input (atau resources) untuk mencapai tujuan. bagan pasar modal. Sistem ini secara penuh mandiri. Iconic (Scale). mereka dapat mempengaruhi kinerja dan tujuan sistem. Tak seperti sistem yang sesungguhnya tetapi berlaku seperti itu. Sistem Pendukung Keputusan – Gunandjar. Namun. • Sistem tertutup (Closed System) adalah sistem yang merepresentasikan derajat kemandirian dari sistem. sebagai contoh. GUI pada OOPL adalah contoh dari model ini. 2 ukuran utama dari sistem adalah: efektivitas dan efisiensi. Sistem dan lingkungannya: Boundary/batas adalah pemisah antara suatu sistem dengan environment-nya. Ini mengacu pada hasil atau output dari suatu sistem. hukum. peta.Environment/lingkungan dari sistem terdiri dari berbagai elemen yang terletak di luar input. Bisa secara fisik. Efektivitas adalah derajat seberapa banyak tujuan sistem tercapai. output. aspek fisik. seberapa banyak uang yang digunakan untuk mendapatkan level tertentu penjualan. • Sistem terbuka (Open System) sangat tergantung pada lingkungannya.

manajer akan seringkali memiliki alternatif-alternatif pilihan.3. Keuntungan model Di bawah ini adalah alasan utama mengapa MSS menggunakan model: 1. Terlalu banyak alternatif untuk dicoba. 2. Dengan adanya komunikasi dan teknologi canggih sekarang ini. Page 15 Sistem Pendukung Keputusan – Gunandjar. • Simulasi. 3. Operasi bertahun-tahun dapat disimulasikan dalam hitungan menit di komputer.kemungkinan solusi yang banyak sekali. Model meningkatkan proses pembelajaran dan meningkatkan pelatihan. Analisis DSS menggunakan perhitungan numerik yang dibantu dengan model matematis atau model kuantitatif lainnya. Lingkungan itu sendiri selalu berubah. Kompleksitas hubungan dalam sistem organisasi tak dapat direpesentasikan dengan Iconic atau Analog. 4. 2.ST . 7. Matematis (Kuantitatif). karena kalau pun bisa akan memakan waktu lama dan sulit. Selanjutnya percobaan yang dilakukan akan lebih mudah dilakukan dan tak mengganggu jalannya operasi harian organisasi. Akibat samping dari error yang terjadi besar pengaruhnya. Tapi ini tak berjalan bila: 1. Lingkungan sekarang yang makin berada dalam ketidakpastian. Manipulasi model (perubahan variabel) lebih mudah dilakukan daripada bila diterapkan pada sistem nyata. 2. Biaya analisis model lebih murah daripada percobaan yang dilakukan pada sistem yang sesungguhnya. Akibat yang ditimbulkan dari adanya kesalahan-kesalahan sewaktu proses trial-and-error lebih kecil daripada penggunaan model langsung di sistem nyata. bahkan bisa tak terhitung. 6. 5. Model memungkinkan untuk menyingkat waktu. Penggunaan model matematis bisa menjadikan analisis dilakukan pada kemungkinan. Penggunaan pemodelan menjadikan seorang manajer dapat menghitung resiko yang ada pada proses-proses tertentu.3 Proses Pemodelan Berikut ini adalah proses yang terjadi pada pemodelan: Trial and error dengan sistem nyata. 3.

Pengukuran hasil. Prediksi hasil. Penguraian masalah. Tugastugas yang ada pada tahap ini merupakan kombinasi dari seni dan pengetahuan.ST Page 16 . 2. Klasifikasi masalah. Intellegence Phase Proses yang terjadi pada fase ini adalah: • • • • Menemukan masalah. dites.4 Design Phase. yaitu: • • • • • • • Komponen-komponen model. Seleksi prinsip-prinsip pemilihan (kriteria evaluasi). 2.Termasuk juga disini pemahaman masalah dan pengecekan solusi yang layak. dan analisis hal-hal yang mungkin untuk dilakukan. pengembangan. Struktur model.• • • Optimisasi Heuristic. Kepemilikan masalah.5 Komponen-komponen Model Kuantitaif Struktur umum dari model Uncontrollable Variables Decission Variables Relationship Result Variables Sistem Pendukung Keputusan – Gunandjar. dan divalidasi. Proses pengambilan keputusan. Skenario. Pengembangan (penyediaan) alternatif. Juga model dari masalahnya dirancang. Tahap ini meliputi pembuatan.

earning per prime rate competition timing Customers income. Marketing Manufacturing Result variables variables and parameters Total profit rate of Inflatation rate . tax rates Delivery distance .ST . DSS utamanya berhubungan dengan sistem yang terbuka. regulations Demand of service Kesimpulan • • • • • • • Manajemen pengambilan keputusan serupa dengan keseluruhan proses manajemen. Model banyak digunakan dalam MSS. atau tertutup. berinteraksi dengan lingkungannya. amounts. proses dan pengambil keputusan. and return. Data processing cost Computer audit schedule Shipments schedule Staffing levels error rate Total transport cost Customer satisfaction technology. Sistem terdiri dari input.Contoh – contoh dari komponen model Uncontrollable Area Financial Invesment Decision variables Investment alternative investment. output. yang bisa dalam bentuk iconic. liquidity level of invesmentn Advertising budget. analog Page 17 Sistem Pendukung Keputusan – Gunandjar. period of share. Semua sistem dipisahkan dari lingkungannya dengan suatu batas. Market share product mix Product and amounts inventory levels communication Accounting Transportation Service customer satisfaction competitors action Total cost quality Machine capacity level satisfaction employee technology materials prices program Use of computers. Sistem dapat terbuka. Pemecahan masalah juga mengacu pada evaluasi peluang.

diklasifikasikan. kriteria pemilihan ditetapkan. dan diuraikan (jika diperlukan). dan metodologi keputusan dibuat. masalah (peluang) diidentifikasikan. Critical success factor adalah metodologi untuk mendiagnosis masalah dan mengidentifikasi kebutuhan informasinya. Pemodelan dapat menggunakan teknik simulasi. suatu model sistem dibuat. Pada fase intellegence. Keputusan dibuat oleh individu atau group dapat didukung oleh MSS. harus dipertimbangkan multiple goal dan masalahmasalah analisis sensitivitas. Pada fase design. optimisasi. alternatif dihasilkan. dan implementation. berbagai alternatif dibandingkan dan pencarian solusi yang terbaik (atau yang cukup baik) dimulai. Sistem Pendukung Keputusan – Gunandjar. Berbagai teknik pencarian disediakan. choice. Komputer dapat mendukung semua fase pengambilan keputusan dengan mengotomatisasi tugas/proses yang diperlukan. design.ST Page 18 . Dalam evaluasi alternatif. “What-if” dan goal seeking adalah 2 pendekatan analisis sensitivitas. Pada fase choice. Pengambilan keputusan melibatkan 4 fase utama: intelligence. • • • • • • • • • • • • Model menjadikan percobaan dari suatu sistem lebih cepat dan murah.atau matematis. atau heuristic. Gaya keputusan manusia harus dikenali dalam mendesain MSS. hasil diprediksi.

Contoh: data mengenai karyawan dan penggajiannya. diagram. Modify the system for The method for generating generating the data.Data derived by ensure the accuracy of raw an individual were generated data. dan proses. dan televisi. Juga gambar. Biro Pusat Statistik. the data is not rapid enough Typical Cause Data are not timely Sistem Pendukung Keputusan – Gunandjar.ST Page 19 . Possible Solutions (in Some Cases) Raw data were entered Develop a systematic way to inaccurately. 2. produk. dan personal. film. Bentuknya bisa berupa CD-ROM. karena banyak tak relevan dengan MSS yang diinginkan. Data disimpan dalam satu atau beberapa tempat dalam suatu organisasi. Pilihlah data eksternal yang relevan saja. Data ini mengenai orang. Para pakar dapat memberikan kontribusinya pada MSS untuk berbagai aplikasi tertentu. meminta pendapat pakar (misal dengan mewawancarainya). Eksternal. Internal. atlas. • Instrumen dan sensor. Personal.2 Pengumpulan dan Permasalahan Data Metode pengumpulan data mentah bisa menggunakan cara: • Manual. Whenever derived data carelessly. atau suara. Contoh: metode time studies (selama observasi). dan lain-lain. Problem Data are not correct. Digunakan untuk membantu metode manual atau malah kadang dominan peranannya bila cara-cara manual sudah tak mampu lagi. eksternal. 3. 3. Contoh: PDBI (dulu. services. survey (menggunakan kuisoner). Contoh: perkiraan penjualan atau opini mengenai kompetitor. musik. carefully monitor both the data values and the manner in which the data were generated. Mulai dari database komersial sampai data yang dikumpulkan dari sensor dan satelit.BAB III MANAGEMENT DATA 3.1 Sumber Data 3 sumber data adalah dari: internal. jamannya Christianto Wibisono sebelum pindah ke Australia). berita/informasi dari BEJ/BES. observasi (misal dengan menggunakan kamera video). 1. Permasalahan data mengikuti asas GIGO (Garbage In Garbage Out). are submitted.

Data are not measured or indexed properly. store data for future use.No one ever stored data needed now Whether or not it is useful now. Needed data simply do not exist Required data never existed. Java. pengubahan dan penampilan data secara cepat.3 Database dan management database DBMS didesain untuk sebagai suplemen yang mengijinkan kita dalam mengintegrasikan data dalam skala yang lebih besar. of the analysis. Diikuti dengan Object-oriented Language: C++. Futher more the data may not found when they needed. Raw data are gathered Develop a system for according to a logic or rescaling or recombining the periodicity that is not consistent with the purposes improperly indexed data. Bahasa ini mengijinkan programmer untuk menjelaskan karakteristik masalah yang akan diselesaikan bukannya prosedur-prosedur yang harus diikuti. This may be impractical because of the cost of storing and maintaining data. Delphi. Nonprocedural Fourth-generation Language (4GLs). pengambilan. Software Database. Make an effort to generate the data or to estimate them if they concern the future. A detailed model contains so many coefficients that it is models. C#. Bahasa utama dalam kebanyakan generator DSS dan berbagai tool MSS lainnya.ST . struktur file yang kompleks. Contoh: GPSS (General Purpose Simulation Software) digunakan untuk mengkonstruksi model simulasi dan dapat digunakan untuk mengkonstruksi DSS yang besar. FORTRAN. dll. PHP. 3.to meet the need for the data. Contoh: BASIC. • • • Procedural Languages. Meningkatkan produktivitas paling sedikit 5 kali lipat sampai Page 20 Sistem Pendukung Keputusan – Gunandjar. difficult to develop and maintain. dan keamanan data yang lebih baik dari sekedar database biasa. COBOL. Problem-oriented Language. dan Pascal. 4GLs memiliki keuntungan: • Result-oriented.

dan dibangunnya itu adalah dari sekedar konsep kasar. Query language. Sehingga merupakan tool pengembangan yang efektif. l. 3. Sebagai tool ideal untuk pusat informasi (Information Centers). Sebagai suatu MSS generator untuk membangun aplikasi tertentu. Fourth-generation Systems. Sebagai tool yang digunakan saat suatu MSS atau MSS generator (engine) dibangun. Modeling language. Nonprocedural language untuk data maintenance. Client/server management. Contoh dari sistem seperti ini adalah suatu komposisi populer spesial untuk komputer mainframe dan disebut dengan Fourth-Generation System (FGS) yang lengkap. i. Extended data access. Micro-to-mainframe environment. c. • Fourth-generation languages (4GLs) digunakan untuk membangun sistem secara cepat dan murah. e. m.ST Page 21 . g. b. Sistem Pendukung Keputusan – Gunandjar. f. Fourth-generation DBMS. Graphic enhancement. FGS yang lengkap mempunyai berbagai fitur yang membuat user mudah berkomunikasi dengan komputer.sekitar 300 kali lipat untuk berbagai aktivitas. biasanya ditulis dalam 4GL dan diintegrasikan dengan berbagai elemen yang lain. Environment untuk applications development. Relational language. sebab 4GLs dirancang baik untuk spesialis maupun end-user. DBMS yang digunakan sebagai tool pengembangan dari suatu DSS. Applications management. Nonprocedural report writer (atau report generator). Fitur-fitur ini adalah: a.4. satu DBMS dapat dibuat dengan 4GL. • Sebagai basis dalam pembangunan tool atau komponen yang lain dari suatu MSS. n. k. h. j. dan buat pembangunan DSS membuatnya menjadi lebih mudah . Sebagian besar end-user dapat membangun sistem dengan 4GLs tanpa bantuan perantara. d. Environment untuk information consumers. Screen definition dan management facility. sebagai contoh.

misalnya yang melibatkan CIM (Computer Integrated Manufacturing) membutuhkan akses ke data yang kompleks. termasuk koneksi rumit diantara item-item yang berelasi. atau bagan organisasi. SQL adalah bahasa nonprocedural dan user-friendly. Beberapa file data “direlasikan” dengan field data dari dua (atau lebih) file data. Hierarchical. DBMS didesain dengan menggunakan struktur ini untuk mengeksekusi fungsi-fungsinya. Arsitektur database hierarchical. Menyusun item data dalam gaya top-down. • Relational Database. 3. data mudah dikembangkan atau diubah. DB2. network. Digunakan untuk akses online ke database. yang melibatkan gambar-gambar dan relasi yang juga kompleks. Sehingga mirip seperti pohon. Struktur ini disebut dengan model CODASYL. dan untuk fungsi-fungsi administrasi database. Juga digunakan untuk mengakses dan memanipulasi fungsi dari software DBMS terkemuka saat ini (contohnya: Oracle.6 Object-oriented Database. • Network. membuat link lojikal diantara item data yang berelasi. ataupun relasional tak dapat mengatasi database yang kompleks tersebut Sistem Pendukung Keputusan – Gunandjar. dan mudah diakses dalam berbagai format tanpa perlu • mengantisipasinya pada waktu awal mendesain dan mengembangkannya. • SQL. Keuntungan dari bentuk ini adalah user mudah untuk mempelajari. Aplikasi MSS yang kompleks. untuk berbagai produk operasi DBMS dari program. Bahasa data yang menjadi standar untuk mengakses dan memanipulasi data dalam RDBMS. Struktur ini mengijinkan link yang kompleks. sehingga enduser dapat menggunakannya dalam query dan berbagai operasi database. dan Supra).3.5 Struktur database dan sql Relasi diantara berbagai record individu yang tersimpan dalam database dapat dinyatakan dengan berbagai struktur lojikal. Ingres.ST Page 22 . Ini dapat menghemat penyimpanan data dengan men-share-nya pada beberapa item.

seperti: Lotus 1-2-3 dan Excel. dan menampilkan data. dapat pula dibangun dengan sebagian DBMS dan sebagian lagi dari spreadsheet. Express. PHP. Aplikasi DSS membutuhkan data dan pemodelan dalam prosesnya. G-Base. Alternatif lain.Sayangnya ada kebingungan terhadap sifat utama DMBS dan program spreadsheet ini. Delphi. serta object encapsulation mengijinkan desainer database untuk menyimpan baik data konvensional maupun kode-kode prosedural dalam objek yang sama. Java. dan lain-lain dengan mekanisme penyimpanan dan pengaksesan data. dan karakter-karakter lain). C++. Abstraction digunakan untuk membuat hirarki inheritance. OODB mengijinkan kita untuk menganalisis data pada level konseptual yang menekankan hubungan alamiah diantara objek. solusinya tetap saja tiak efektif. yaitu untuk membuat. Sistem OODB mengkombinasikan karakteristik bahasa pemrograman berbasis objek seperti Smalltalk. sehingga membuat user dapat menampilkan kerja spreadsheet dengan suatu DBMS. sehingga DSS dapat dibangun dengan mengembangkan lebih lanjut DBMS atau dengan mengintegrasikan spreadsheet.ST Page 23 . Utamanya disebabkan karena berbagai DMBS itu menawarkan kemampuan yang serupa dengan yang ada di spreadsheet terintegrasi. 3. VBase.7 Aplikasi Database dan Spreadsheet. Pendekatan ketiga adalah dengan menggunakan DSS generator yang benar-benar terintegrasi Akhirnya dapat disimpulkan bahwa seseorang dapat membangun DSS dari konsep Sistem Pendukung Keputusan – Gunandjar. menghapus. DBMS mengijinkan user untuk meng-query data seperti halnya menghasilkan report. statistik dan keuangan. angka. Tool-tool berorientasi objek berfokus secara langsung pada database. padahal terkadang diperlukan representasi grafis untuk mendapatkan hasil terbaik. serta melibatkan faktor-faktor matematis. Semua arsitektur ini berhubungan dengan database alphanumeric (huruf. Contoh dari object-oriented data manager: GemStone. Serupa dengan fenomena ini. C#. Hal utama yang ada di DMBS adalah manajemen data. menampilkan kalkulasi berulang pada variabel yang berhubungan. Walaupun SQL digunakan untuk membuat dan mengakses database relasional.Program spreadsheet berhubungan dengan aspek pemodelan DSS. Ontos.secara efisien. banyak program spreadsheet menawarkan berbagai kemampuan DBMS. Manajemen data berorientasi objek didasarkan pada prinsip-prinsip pemrograman berbasis objek. dan Versant. Ini membantu membuat dan mengatur model. mengubah.

Sistem Pendukung Keputusan – Gunandjar. dan tool-tool manajemen. mereka harus bisa mengantisipasi pertumbuhan dan makin kompleksnya keragaman peralatan dan sistem. hardware.ST Page 24 . • • Otomatisasi proses manajemen menjadikan biaya administrasi dan operasional system berkurang seiring dengan pertumbuhan enterprise.kasar dan tak perlu menggunakan 4GLs yang ada. Proses penyatuan ini dapat mencegah berbagai aplikasi kritis dan mengembangkan misi yang sudah ada. Keamanan jaringan dan data meningkat.8 Enterprise DS dan Information warehouse Terdapat dua kontradiksi dalam bisnis modern. adanya kebutuhan terhadap solusi hardware dan software yang khusus dan terlokalisasi. 3. 3. Sistem komputer yang melibatkan keseluruhan organisasi disebut dengan enterprise computing atau enterprise-wide systems. • Sering dan cepatnya perubahan dan bertambahnya kompleksitas dapat diakomodasikan dengan cepat. Pertama. databases. Ini adalah kerangka kerja berbasis teknologi yang terdiri dari berbagai aplikasi. tanpa mengganggu ketersediaan sistem dan jaringan. jaringan.9 Keuntungan dari enterprise computing adalah: • • Menyediakan pelayanan yang responsif dan handal secara kontinyu. dan biasanya berasal dari berbagai vendor. • Optimasi yang lebih tinggi pada resourses jaringan dan sistem memastikan bahwa pelayanan kualitas yang tinggi dijaga pada biaya terendah yang mungkin. Istilah enterprise mengacu pada pengertian keseluruhan organisasi. adanya kebutuhan untuk mengefektifkan cost dari penyatuan semua sumber informasi kedalam aset bisnis yang termanajemen. 3. Enterprise computing adalah suatu arsitektur dari sistem komputer terintegrasi yang melayani bermacammacam kebutuhan suatu enterprise. Kedua. Manajer harus mengantisipasi tantangan ini.10 Konsep Information Warehouse (IW). Paduan kerjasama yang lebih baik dalam penggabungan solusi client/server baru pada mainframe yang sudah ada. Sistem enterprise jelas makin kompleks.

Dicirikan oleh: • • GUI. • Pada sistem client/server terdapat berbagai client. dan berbagai fasilitas yang mengatur dan menyampaikan informasi yang handal. masing-masing dengan interface user sendiri-sendiri. dan mudah dimengerti dalam pengambilan keputusan bisnis. Client ini saling berbagi resources Sistem Pendukung Keputusan – Gunandjar. tool. interface. dan efisien. IW adalah sekumpulan DBMS.server Arsitektur yang mencoba untuk mengorganisasi PC. LAN. dihubungkan ke jaringan. sampai saat dibutuhkan.Kunci sukses dari enterprises-wide MSS adalah infrastruktur yang mendukung akses.ST Page 25 Client-nya adalah PC atau workstation. Di bawah ini disajikan bagan dari IW-nya IBM: Internal and External Data Statistics + forecasting Information Werehouse spreadsheets Graphical procedures Business Comunications Reporting Graphics Queries Analysis + modeling Project Management 3. akurat. manipulasi. analisis. dan mainframe. ke dalam sistem yang fleksibel. retrieval. IBM membuat konsep IW yang didesain untuk meng”unlock” data secara ekonomis pada suatu suatu enterprise. . tepat waktu. User dihubungkan oleh interface ke Client. dan komunikasi (transfer) hasil-hasil serangkaian aktivitas yang dilakukan.11 Arsitektur client . konstruksi presentasi. metodologi penampilan grafis. efektif. yang selama ini belum bisa dilakukan oleh user MSS. Umumnya menggunakan yang digunakan untuk mengakses resources jaringan.

• Server melayani file sharing. berbagai tugas yang tak dapat diproses di client (atau lebih cepat diproses di server). • Server adalah mesin yang melayani client dengan berbagai pelayanan seperti database. Aplikasi pesan. Kebanyakan server adalah: database server. Sistem Pendukung Keputusan – Gunandjar. ini hanyalah sekedar reaksi Server tak dapat berkomunikasi dengan setiap client untuk image-processing server. dan video text. sebuah mainframe. transaksi client (dieksekusi pada desktop computer) bekerjasama dengan service (dieksekusi pada komputer yang lebih besar). print server. menentukan apa yang harus dilakukan untuk setiap permintaan client tertentu. dan communication server. dan fungsi-fungsi perantara (untuk aliran informasi internal dan eksternal).computing server. file server. BBS. manajemen jaringan dan dokumen. tempat penyimpanan yang besar. seperti e-mail. • • • Server bisa berupa workstation yang besar. command.ST Page 26 .yang disediakan server. • Pada client/server computing. dalam bahasa Client dapat mengirimkan query atau command ke server untuk minikomputer. dan/atau peralatan LAN. penyimpanan dan retrieval informasi. atau pelayanan komunikasi ke jaringan. Server tidak memulai suatu pekerjaan. dari permintaan client. • Taks/tugas dibagi atas 2 bagian: bagian front-end diselesaikan oleh client. yang sudah umum digunakan semisal SQL sebagai presentasi ke server. Client dapat menampilkan berbagai query. • • • • Server menampilkan hasil-hasilnya pada layarnya client. Server menangani database dan pemrosesan transaksi yang lebih intensif. Client menampilkan manipulasi data lokal dan user interface-nya. seperti misalnya manajemen e-mail. dan bagian back-end diselesaikan oleh server. Aplikasi client/server dibagi menjadi 4 kategori: 1.

salespeople (orang-orang bagian penjualan).2. Keuntungan dari pendekatan ini adalah data diorganisasi menurut cara pandang manajer bukan menurut cara pandang analis sistem. lokasi gegrafis. caturwulan.ST Page 27 . Penyebarluasan suatu database diantara berbagai jaringan komputer. atau remote akses komputer. pendekatan ini harus dibayar dengan hal-hal berikut: Database multidimensional memakan tempat 40 persen lebih banyak dibandingkan dengan database relasional yang sudah diringkaskan. yang dihitung berdasarkan unit. Sharing/pemakaian bersama pada file/peralatan lain. • • • • Pendekatan multidimensionality ini biasanya lebih banyak digunakan dalam EIS. selama bulan tertentu juga. Ini bisa terjadi jika data diorganisasikan dalam database multidimensional atau jika produk software tersebut didesain berdasar konsep multidimensionality. atau tahunan. jalur distribusi. segmen pasar. Waktu proses pemanggilan databasenya membutuhkan resources dan waktu. atau industri. Contoh waktu: harian. Jika jawaban dari pertanyaan ini dapat disediakan tanpa memperhatikan struktur databasenya. Tapi perlu diingat. Sistem Pendukung Keputusan – Gunandjar. 3. Pemrosesan aplikasi intensif dimana job dibagi dalam berbagai task. dan dapat dilakukan oleh user itu sendiri. 4. juga berbagai presentasi data yang sama dapat diatur dengan mudah dan cepat. 3 faktor dalam multidimensionality: dimensi. keuntungan penyimpanan. yang dilakukan oleh orang di bagian penjualan tertentu. maka hal itu dapat dilakukan lebih cepat. unit bisnis. • • Contoh ukuran: uang. Contohnya. Contoh dimensi: produk. aktual vs perkiraan. dan waktu. sales volume (volume penjualan). ukuran. seorang manajer ingin mengetahui penjualan dari produk M pada area geografis tertentu. Ringkasan data dapat diorganisasi dalam berbagai cara untuk kepentingan analisis dan presentasi. tergantung pada volume data dan jumlah dimensinya. Pendekatan ini disebut dengan multidimensionality. negara. masing-masingnya dikerjakan pada komputer yang berbeda. Produk multidimensional membutuhkan biaya 50 persen lebih banyak dibandingkan dengan produk relasional standar. bulanan. mingguan.

Yang lain mencoba untuk menggunakan tool-tool yang inovatif untuk pengaksesan data. daripada bagaimana data diakuisisi atau disimpan.ST . aplikasi jenis ini lebih memperhatikan tentang bagaimana mendapatkan (retrieve) dan menampilkan data.). Sistem ini membutuhkan toleransi kesalahan tertentu dan juga menyediakan respon sistem yang cepat. diperkuat dengan DataLens. sekarang merupakan divisi dari Page 28 Sistem Pendukung Keputusan – Gunandjar.).). Contoh aplikasi OLTP ini: INFORMIX-OnLine. dan pendekatan client/server. yang bertumpu pada lingkungan database relasional terdistribusi. dan data access and reporting tools. Visual Basic (dari Microsoft). Akses ke data sering dibutuhkan baik oleh aplikasi OLTP maupun oleh DSS dan juga oleh MSS lainnya. Quest (dari Gupta Corp. Forest and Trees (dari Channel Computing. Beberapa orang menyebut hal ini data dipper. Pengembangan selanjutnya adalah penambahan pada arsitektur client/server. Sehingga beberapa perusahaan memilih untuk memisahkan databasenya ke dalam tipe OLTP dan DSS. sekarang dibeli Microsoft). GUI. Data dipping ini memiliki juga nama lain: Business Intelligence Systems. Selama beberapa waktu.. Lotus 1-2-3 (dari Lotus Development Corp. Solusi berikutnya adalah penyediaan sistem yang mendukung Online Transaction Procession (OLTP). end-user data access. diperkuat dengan Q&E (dari Q&E Corp. LightShip (dari Pilot Software). Sayangnya menyediakan layanan untk kedua tipe ini menimbulkan berbagai masalah. sebab sistem ini mengijinkan user untuk mengaduk-aduk apa saja di dalam database untuk mendapatkan apa yang mereka perlukan. dimana tool ini berbasiskan PC yang murah. teknologi informasi berkonsentrasi pada pembangunan system bermisi kritis – sistem yang mendukung pemrosesan transaksi perusahaan (Corporate Transaction Processing).• Antarmuka dan perawatannya lebih kompleks dibandingkan dengan database relasional. Pengaksesan Data: Data Dipping. Contoh produknya: • • • • • • • Excel (dari Microsoft). Sehingga. 3. Tool ini ditujukan untuk mendayagunakan user.12. jaringan. Personal Access (dari Spinnaker Corp.

Sebagai contoh. informasi. khususnya ES.13 Intelligent Database Organisasi. tanpa akses database tentulah menjadi sulit untuk menggunakan ES dalam aplikasi MIS yang besar seperti otomasi pabrik dan otorisasi kartu kredit. dan knowledge.). Updating.Trinzic Corp. Di bawah ini terdapat diagramnya: End-User Dialog Input Database and DBMS Inference Engine Database Storage Data Model Rule Base Storage ES Report Screens Database Transaction s Logic Database Aplication Program Satu dari tujuan kritis yang utama adalah untuk membuat database intelligent. Pendekatan ini disebut dengan intelligent database. dan penghapusan informasi ini makin lama makin kompleks seiring dengan bertambahnya jumlah data. Sistem Pendukung Keputusan – Gunandjar. dapat mempermudah manajemen database. Teknologi AI. Salah satu cara untuk melakukan itu adalah dengan memperkuat sistem manajemen database dengan penyediaan kemampuan inferencing. penggunaan. pribadi dan publik. terus menerus mengumpulkan data. sehingga user dapat menemukan sendiri suatu informasi dengan cepat Kesimpulan Data terdapat dalam sumber-sumber internal. dan menyimpannya ke dalam sistem terkomputerisasi. eksternal. dan personal. Pengembangan aplikasi MSS membutuhkan akses ke database.ST Page 29 . 3. reviewing.

berbagai MSS ditawarkan pada sistem client/server. tipe yang disukai adalah relasional. Data diorganisasi dalam berbagai cara. MSS terdistribusi mengumpulkan kelebihan-kelebihan dari PC dan kekuatan dari suatu mainframe. sangat berguna dalam MSS terdistribusi. baik itu berarsitektur relasional. hirarkikal. kamus (dictionaries). • • Sistem generasi keempat mengikutsertakan berbagai fitur terintegrasi untuk manajemen data. Data untuk MSS perlu dikumpulkan berulang-ulang di lapangan menggunakan salah satu dari berbagai metode. Sebagai contoh adalah Information Warehouse dari IBM.ST Page 30 . DSS dapat diprogram menggunakan bahasa pemrograman generasi ketiga. Untuk kebanyakan MSS. maupuan jaringan. • • • • • • • SQL adalah akses standar untuk database relasional. • Enterprise-wide information system mengacu pada sistem yang menyediakan komunikasi diantara semua karyawan secara organisasional. dan lain-lain. Data untuk MSS kemungkinan mempunyai berbagai masalah seperti: data yang tidak benar (incorrect data). data yang ukuran dan indeksnya tidak bagus (poorly measured and indexed data).• • • Data eksternal tersedia dalam ribuan database komersial online. data yang waktunya tidak tepat (nontimely data). Banyak perusahaan mengembangkan pendekatan berskala global (enterprisewide) dalam hal manajemen data. Juga Sistem Pendukung Keputusan – Gunandjar. tetapi biasanya diprogram dengan menggunakan bahasa pemrograman generasi keempat. report. terlalu banyak data. Terdapat kecenderungan untuk menjadikan MSS terdistribusi melalui jaringan. OODB mudah untuk digunakan dan sangat cepat dalam aksesnya. OODB disediakan khusus untuk menangani DSS yang kompleks seperti yang terdapat pada Computer Integrated Manufacturing. direktori. • • Database online yang besar seperti CompuServe dan Dow Jones Information Service bisa menjadi sumber utama data MSS. atau malah tak ada data sama sekali.

beberapa PC (client) saling terhubung satu sama lain dan terhubung juga ke database. walaupun data tersebut berada pada file dan database yang berbeda. telekomunikasi. • Data multidimensionality mengijinkan kita untuk melihat (view) data dengan cepat dengan dimensi yang berbeda. dan berbagai penyedia layanan yang lain (server). • Dalam client/server.ST Page 31 . Sistem Pendukung Keputusan – Gunandjar.menyediakan akses ke sembarang data atau informasi yang diperlukan oleh semua karyawan pada berbagai lokasi.

Java. merupakan proses yang rumit. 2. EFPM untuk kalangan perguruan tinggi. DSS. pendekatan di atas. Lotus 1-2-3. Tulis DSS dengan bahasa pemrograman umum: Pascal. • • Melibatkan hal-hal: teknis (hardware. dan +.ST Page 32 . semi terstruktur.3 Proses Pengembangan DSS • Pengembangan suatu DSS terkait juga dengan struktur permasalahan: tak terstruktur. MIS bisa digunakan untuk ini. 6. 4.BAB IV MEMBANGUN DSS 4. dampak DSS pada individu).2 Strategi Pengembangan 1. ataupun terstruktur. 5. jaringan) dan perilaku (interaksi manusiamesin. Delphi. Memiliki jaminan Untuk DSS yang kompleks. Menggunakan DSS Generator khusus (domain specific): Commander Mengembangkan DSS dengan metodologi CASE. 4. bisa mengintegrasikan pendekatanFDC untuk budgeting & financial analysis. Agar lebih mudah membangun DSS bisa digunakan bahasa khusus (misal CASE TOOLs). Menggunakan DSS Generator: Excel. Di bawah ini disajikan bagan fase-fase pengembangan suatu DSS: Sistem Pendukung Keputusan – Gunandjar. dan lainnya. kualitas yang memadai. spreadsheets. 4. Berturutturut ES/DSS.1 Pendahuluan Membangun sebuah DSS. financial-oriented language. Express. 3. C. apalagi yang besar. C#. C+ Menggunakan 4GL: data-oriented language. Quattro Pro. Generator lebih efisien dari 4GL tapi ini tergantung juga pada batasannya.

Phase D Design Design User Interface Dialog Design Problem Processing System (model base) Design DSS Database Design Knowledge component Construction: Putting Together the DSS. berbagai pendekatan konstruksi DSS. Orientation. Problem Diagnosis. dan pengembangan DSS berbasis tim vs pengembangan berbasis user.Phase A Planning: Needs Assesment. sifat berulang dari suatu proses. Sistem Pendukung Keputusan – Gunandjar. Demonstration. haruslah dikuasai beberapa konsep dasar seperti: strategi pengembangan. Tests Phase E Phase F Implementation: Testing and Evaluation. Dibedakan antara pendekatan life cycle (daur hidup) dan iterative process (proses berulang). and Deployment Maintenance and Documentation Phase G Adaptation: Continually Repeat the Process to Improve the System Phase G • Untuk lebih memahami proses desain lebih lanjut. Training. Objectives of DSS.ST Page 33 . Predesign Phase B Research: How to Address User Needs? What Resources Are Available? The DSS Environment Phase C Analysis: What Is the Best Development Approach? What Are the Necessary Resources? Define Normative Models.4 Proses pengembangan : Life cycle vs prototyping Pembangunan DSS dilakukan dalam berbagai cara. 4.

IRD secara tradisional merupakan kombinasi analisis lojik dengan pengamatan perilaku pemrosesan informasi. IRD (Information Requirements Definition) adalah pendekatan formal yang digunakan oleh sistem analis. Sehingga perluditerapkan adanya bagian pembelajaran dalam desain atau proses kita.out process (proses sementara). Menghaluskan. Mengembangkan sistem yang kecil. proses berulang (iterative process).ST . Pendekatan Prototyping Evolusioner. Nama lainnya adalah middle. DSS didesain untuk membantu pengambilan keputusan para manajer pada masalah yang jelekstrukturnya. • • • • • Asumsi dasarnya adalah kebutuhan informasi dari suatu sistem dapat ditentukan sebelumnya. Keuntungan Proses Berulang dalam membangun DSS: • • • Waktu pengembangannya singkat. adaptive design (desain adaptif) dan incremental design (desain berkelanjutan). 4. Meningkatkan pemahaman user terhadap sistem. Memilih submasalah penting yang akan dibangun pertama kali. dalam membantu pengambil keputusan. 3. Waktu terjadinya umpan balik dari user singkat. tapi berguna. konstruksi. • Pendekatan prototyping disebut juga proses evolusioner (evolutionary process). diharapkan user belajar mengenai masalah atau lingkungannya sehingga dapat mengidentifikasi kebutuhan informasi baru dan yang tak diantisipasi sebelumnya. Di satu sisi memahami kebutuhan user adalah hal yang sulit. desain. 2. seperti di bawah ini: 1. • Proses desain berulang ini mengkombinasikan 4 fase utama SDLC tradisional (analisis. dan implementasi) ke dalam 1 langkah yang diulang-ulang. Page 34 Sistem Pendukung Keputusan – Gunandjar. Dari situ.Pendekatan SDLC (System Development Life Cycle). atau cukup disebut prototyping saja. Proses berulang terdiri dari 4 tugas. informasi yang dibutuhkan. IRD bisa juga melibatkan CSF (Critical Success Factors). Mengevaluasi sistem terus menerus. mengembangkan. dan memodifikasi sistem secara berulang.

penghubung (intermediaries). untuk mendapat kinerja yang diinginkan. 4. 2. 4. 6. lama. Dalam kelompok pusat informasi (Information Center Group). Sistem Pendukung Keputusan – Gunandjar. dan didesain utama untuk mendukung organisasi. Dalam kelompok manajemen pengetahuan (Management Science Group). Executive Staff Group.6 Pengembangan DSS berbasis Tim Menentukan DSS Group. dan berbagai tool. Tentu saja kedua pendekatan ini bisa dikombinasikan. dan prosesnya memakan biaya. sehingga ukuran tim menjadi besar dan komposisinya sering berubah seiring berjalannya waktu. Dimulai mulai tahun 1980-an. 4. tenaga ahli. Intinya dengan berbasis tim. maka pembangunan DSS menjadi kompleks. Dalam departemen rekayasa industri. Secara organisasi penempatan DSS Group bisa dimana-mana.dan kemampuannya. • Biayanya rendah. 5. DSS builder. • • Enterprise-wide computing serta kemudahan akses data dan pemodelan berarsitektur client/server juga mendukung pengembangan DSS berbasis user. jaringan komunikasi komputer. Sistem ini didesain oleh tim yang terdiri dari user. Berbagai individu dalam setiap kategori tadi. berkurangnya biaya hardware maupun software. seiring pesatnya perkembangan di bidang PC (Personal Computer).5 Pengembangan DSS berbasis Tim dan berbagai user • Pengembangan DSS pada tahun 1970 dan 1980-an melibatkan skala yang besar.ST Page 35 . 3. umumnya pada lokasi: 1. Dalam departemen IS (Information Services). Dalam wilayah keuangan atau fungsi lainnya. • Pendekatan lainnya adalah membangun DSS berbasiskan user. sistemnya kompleks.

• Kerangka kerja analisis dan desain sistem DSS ini bertujuan untuk mengidentifikasi karakteristik dan kemampuan yang diperlukan oleh suatu DSS.Memory Aids. Grafis lebih disukai. Terbagi atas 4 entitas berorientasi user: 1. 3. tampilan “split screen”. desain. • Kesulitan utama dalam membangun DSS adalah tak terspesifikasinya kebutuhan informasi dengan baik. Operasi.ST Page 36 yang dapat teramati yang berhubungan dengan pengambilan . 2.7 Perencanaan DSS Generator. 2. Bantuan untuk mengingat sesuatu.4. Bantuan untuk mengingat sesuatu (misal: laporan. file Sistem Pendukung Keputusan – Gunandjar. Representasi. dan pemilihan dapat diterapkan pada analisis DSS. Pengambil keputusan mengalami kesulitan dalam menjelaskan situasi.Operations. Mekanisme kontrol. Pendekatan ROMC. Pendekatan ROMC membantu menyelesaikan kesulitan ini.8 Pendekatan ROMC (Representations. and Control Mechanisms). yang merupakan proses yang bebas. yang merupakan titik awal bagi desain sistem. Fase pengambilan keputusan: intelligence. mendasarkan diri pada 5 karakteristik keputusan: 1. Di bawah ini disajikan bagan kriteria DSS Generator secara top-down: Level 1 Overall objective General Capabilities Level 2 Database Model base Dialog Subsystem Level 3 Data Model Spesific Capabilities Dialog Level 4 Features 4. 3. 4.

Update lists to show assignments.Library for saving tables. 5. Workspace for developing assignment tables. Maka DSS harus membantu pengambil keputusan menggunakan dan mengembangkan gaya. 4. DSS Messages. design. Represenations: A city map. Staff reminder. dan analogi) sangat berguna dalam pengambilan keputusan dan harus disediakan oleh DSS. Relationship between A map outline. Automated memory aids: List of customers. Views of on customers. File drawers with old tables. Pengambil keputusan berbeda dalam gaya. Create alternative customer assignments for salespeople. 3. assets and liabilities. Table showing salespeople and their customer assignments.ST . and choice. Pengamatan ini tidak menyarankan bahwa seorang user bekerja tanpa penghubung. Computerize address Query the database. Summary sheets Extracted data on customers. dan knowledge mereka sendiri. all invoking choice: activities for intelligence. Pengambil keputusan mengharapkan untuk dapat menggunakannya langsung.Differentdecision-making processes 2. A variety of styles. and 4. applied via direct. Conceptualizations: 1. ketrampilan. A variety of memory aids: 3. Gather data on customers. secara pribadi mengatur dukungan sistem. Aid to direct personal control conventions knowledge. akan tetapi mereka harus memahami kemampuan DSS dan mampu menganalisis input dan menerjemahkan output dari DSS. customer data. and and decision types. Compare alternatives. skills. Rolodex.data. 4. design. indeks. Temporary storage. dan knowledge. 2. Scratch paper. mental rules. A scatterplot of assets versus liabilities. Operations for intelligence. for user-computer communication: Page 37 Sistem Pendukung Keputusan – Gunandjar. ketrampilan. Di bawah ini disajikan kebutuhan yang diperlukan untuk suatu keputusan dibandingkan dengan kemampuan DSS: Decision Makers Use DSS Provides 1.

Penggunaan DSS secara aktual hampir pasti berbeda dari yang diinginkan semula. Orders to staff. Sistem Pendukung Keputusan – Gunandjar.9 Jenis Fleksibelitas dalam DSS: 1. Fleksibelitas menyelesaikan. mengantisipasi apa yang dibutuhkan secara lengkap. Faktorfaktor ini memang sering berubah-ubah. Konsep user mengenai tugas. 2. user dan lingkungan. Level pertama fleksibelitas ini memberikan kemampuan fleksibelitas dalam menampilkan aktivitas intelligence. 4. design. yang mampu untuk menentukan kebutuhan fungsional seluruhnya. berubah pada saat system dipakai. formed from DSS Hal-hal yang menyebabkan kebutuhan akan fleksibelitas dalam DSS: • • • • • • Tak seorang pun. Perubahan yang terjadi haruslah mudah untuk dilakukan. dan persepsi dari sifat dasar masalah. Revise orders or procedures Training and explanation in how to give orders to the DSS. Solusi yang diturunkan melalui DSS bersifat subjektif. User tak tahu.personal control: Accepted conventions for interpersonal communication. Terdapat berbagai variasi diantara orang-orang dalam hal bagaimana mereka menggunakan DSS. atau tak dapat mengungkapkan. Contoh: kemampuan “what-if”. Sistem jarang mencapai hasil final. Procedures operations.ST Page 38 . DSS harus berevolusi atau berkembang untuk mencapai desain sebab tak seorangpun yang bisa memperkirakan atau operasional. baik user maupun pembangun DSS. Ringkasnya ada 2 alasan utama adanya fleksibelitas dalam DSS: 1. Ability to override DSS defaults or procedures. Standard operating procedures. apa yang mereka mau dan butuhkan. ia harus sering diubah untuk mengantisipasi perubahan dalam hal: masalah. dan choice dan dalam menjelajah berbagai alternatif memandang atau menyelesaikan suatu masalah.

Fleksibelitas berevolusi. Fleksibelitas mengadaptasi. 2. atau pada perluasan masalah. 4.ST Page 39 . Definisi ini melibatkan juga manajer dan profesional yang menggunakan komputer pribadi. pengolah kata yang digunakan oleh sekretaris. Sistem Pendukung Keputusan – Gunandjar. Ini diatur oleh pembangun DSS. e-mail yang digunakan oleh CEO. Biayanya sangat rendah. Pengembangan DSS berbasis user berelasi secara langsung kepada komputasi enduser.10 Komputasi End-User. Level ketiga dalam hal mengadaptasi perubahan yang harus dilakukan pada berbagai DSS tertentu. Berbagai keuntungan yang bisa didapat user bila dia sendiri yang membangun DSS: 1. dan sistem time-sharing yang digunakan oleh ilmuwan dan peneliti. Fleksibelitas memodifikasi. 4. (b) resiko yang berhubungan dengan proses pengembangan menghasilkan (contoh: hasil yang ketidakmampuan salah). dan (c) mengembangkan resiko system data manajemen (missal:kehilangan data). Syarat-syarat spesifikasi kebutuhan sistem tak diperlukan. Level kedua ini dalam hal modifikasi konfigurasi DSS tertentu sehingga dapat menangani berbagai masalah yang berbeda. Masalah implementasi DSS dapat dikurangi. Level ini membutuhkan perubahan dalam tool dan generator untuk efisiensi yang lebih baik. Level keempat adalah kemampuan dari DSS dan DSS generator dalam berevolusi untuk merespon perubahan sifat dasar teknologi dimana DSS berbasis disitu. kualitas bias tak terjaga 2. Waktu penyelesaiannya singkat.11 Pengembangan DSS Berbasis User: Keuntungan dan Resikonya. 4. Definisinya adalah: pengembangan dan penggunaan sistem informasi berbasis komputer oleh orang-orang diluar wilayah sistem informasi formal. 4. resiko potensial kualitas dapat diklasifikasikan dalam 3 kategori :(a) tool dan fasilitas dibawah standar. Resikonya adalah : 1. 3. 3. Fleksibelitas ini diatur oleh user dan/atau pembangun DSS (DSS builder).2.

13 DSS Generator DSS Generator mengkombinasikan kemampuan berbagai aplikasi umum dalam 1 program. Di bawah ini adalah program-program yang merupakan “bahan baku” bagi paket terintegrasi: • Spreadsheet.12 Proses pembuatan Bias dilihat pada bagan di bawah ini Phase 1 Project Selection Phase 2 Software and Hardware Selection Build the database and its management Phase 3 Build the model base and its management Phase 4 Build the knowledge component Phase 6 Build the dialog subsystem Phase 5 Phase 7 Packaging Phase 8 Testing and Evaluation.4. Page 40 Sistem Pendukung Keputusan – Gunandjar.ST . Improvement Phase 9 User Training Phas10 Documentation and Maintenance Phase 11 Adaptation 4.

• • • • • • • Manajemen Data. Page 41 Sistem Pendukung Keputusan – Gunandjar. Kemudian dengan adanya program-program berbasis Windows. (4) jaringan seperti apakah yang akan dipakai untuk menjalankannya. Microsoft Excel 4. (3) sistem operasi seperti apa yang akan digunakan. Dengan kemampuan PC yang luar biasa sekarang ini. Komunikasi. Jaringan. Tool software dasar yang patut dipertimbangkan adalah: • • • • • • • • • • Fasilitas database relasional dengan fasilitas pembuatan laporan yang baik dan fasilitas pemilihan data setiap saat. (2) hardware seperti apakah yang dipakai untuk menjalankannya. Tool pembangun ES. Bahasa analisis data statistikal umum. Bahasa pemodelan. Pemilihan Software. CASE tools. Contoh dari paket terintegrasi ini adalah: Lotus 1-2-3. Bahasa khusus yang lain (misal: untuk membangun simulasi). Pengolah kata. Desk management.14 Pemilihan DSS Generator dan tool software lainnya Berbagai pertanyaan yang harus dijawab oleh suatu organisasi yang akan menggunakan DSS Generator: (1) generator seperti apa yang akan digunakan. Tool pemrograman berorientasi objek. membuat DSS menjadi lebih disukai karena kemudahan penggunaannya. software DSS lebih banyak ditemui pada jenis komputer mikro. Manajemen projek. Grafis bisnis. Bahasa penghasil grafis. Kalender (manajemen waktu). Bahasa pemrograman (generasi ketiga).ST .

Mereka hanyalah merupakan salah satu sumber informasi saja.ST . end-user. Suatu bahasa digunakan dalam membangun berbagai DSS. Beberapa kriteria tak bisa diukur. 8.Pemilihan tool dan/atau generator adalah merupakan proses yang rumit dengan alasan: 1. dan jurnal panduan user. Sistem pengembangan DSS bisa dibayangkan seperti bengkel dengan berbagai tool dan komponen. 6.. Pemilihan keputusan melibatkan banyak kriteria yang diterapkan pada bermacam-macam paket yang dibandingkan. informasi DSS yang dibutuhkan dan outputnya Terdapat ratusan paket software di pasaran. 4. 2. semuanya bersifat subjektif dan seringkali dangkal ulasannya. seperti: • Penanganan permintaan/query (mendapatkan informasi dari database). kemampuan yang dibutuhkan dari tool berubah dari satu aplikasi ke aplikasi Sistem Pendukung Keputusan – Gunandjar. Inc.15 Merangkai semuanya dalam satu sistem. Semua masalah teknis. Dari sini tidak diketahui secara lengkap. Hal mendasar pada pengembangan tool dan generator ini adalah konsep: (1) penggunaan tool otomatis skala tinggi di keseluruhan proses pengembangan. Data dipertimbangkan masak. 5. Tool-tool pengembangan meningkatkan produktivitas builder dan membantu mereka menghasilkan DSS yang sesuai dengan kebutuhan user pada biaya yang moderat. yang lain memiliki konflik langsung dengan yang lain lagi. dan (2) penggunaan bagian-bagian pra-fabrikasi dalam proses manufaktur keseluruhan sistem. yang setara dengan sumber-sumber informasi lain. dan Software Digest. 9. Paket software selalu berganti dengan cepat. dan manajerial harus Evaluasi komersial yang tersedia. Pro.masak. 3. Beberapa orang terlibat dalam tim evaluasi. fungsional. misalnya PC Week dan Infosystems. 7. misalnya oleh Data Decisions. lain. 4. Page 42 Sistem ini melibatkan komponen-komponen utama Pada saat pemilihan. Harga seringkali berubah.

(3)meningkatkan kontrol pada sumber-sumber informasi organisasi. Diperlukan kemampuan: 1. 4. penginterpretasian. User User Interface Management Management Struktur dari DSS jenis ini dapat dilihat pada gambar di bawah ini: Data Model Sistem Pendukung Keputusan – Gunandjar. Sistem manajemen knowledge. Tujuannya adalah membangun DSS berperilaku khusus yang dapat beradaptasi terhadap evolusi kebutuhan user secara otomatis. Generator laporan (memformat laporan output).ST Usage Record EMS User Interace element Control Mechanism Knowledge Base Page 43 . dan (4) mewujudkan system sharing. Sistem manajemen dialog (antarmuka user). Sistem manajemen berbasis model. Tujuan DSS yang dapat berevolusi sendiri adalah: (1) meningkatkan fleksibelitas DSS. Antarmuka user dinamis yang menyediakan representasi output yang berbeda untuk user yang berbeda pula. 3. Sistem manajemen berbasis model intelijen yang dapat memilih model yang sesuai untuk memenuhi preferensi/acuan yang berbeda. 2.).• • • • • • • Fasilitas analisis dan desain sistem (pengeditan. Menu dinamis yang menyediakan hirarki yang berbeda untuk memenuni kebutuhan user yang berbeda. (2)mengurangi dampak penggunaan sistem (lebih user-friendly). Manajer kode sumber (menyimpan dan mengakses model built-in dan model yang dikembangkan user/user developed). dll. Struktur. Generator grafis. Kemampuan ini dicapai dengan menambahkan komponen ekstra: mekanisme intelijen yang bisa berevolusi sendiri. dan lalu beradaptasi secara otomatis pada evolusi usernya.16 DSS yang dapat berevolusi sendiri DSS yang memberi perhatian pada bagaimana ia digunakan.

Elemen antarmuka user yang diperlukan untuk membuat antarmuka yang sangat user-friendly. Manajemen data. environment DSS 4.1. Catatan data yang telah digunakan (usage record) yang menyimpan data yang telah digunakan selama evolusi sistem dan juga cara memanajemennya (EMS=Evolution Management System). Ini adalah kontrol intelijen yang mengandung satu knowledge base.ST Task User behavior Quality of decision made Page 44 . 4.17 Arah Pengembangan Riset DSS Terdapat berbagai variable dalam riset DS. dan antarmuka user. 3. 2. Mekanisme kontrol pusat yang mengkoordinasi semua operasi DSS. yang merupakan komponen dasar dari sembarang DSS.yaitu characteristics Sistem Pendukung Keputusan – Gunandjar. manajemen model.

memainkan peran yang lebih besar dengan meningkatkan kualitas pemikiran dalam pengambilan keputusan. DSS berpusat pada keputusan (decision-centered) tapi bukan pada decision-paced (langkah pengambilan keputusan). dan menyelesaikan klas baru keputusan dalam konteks pengambilan keputusan yang baru. dan tool manajemen data. memanajemen kerancuan dan kekompleksan. telekomunikasi. Tool yang lebih aktif dapat meningkatkan pemikiran yang lebih dalam mengenai situasi permasalahan. teori perilaku.ST . ekonomi informasi. 3. 4. sistem berbasis pengetahuan. arsitektur client/server. Selanjutnya kombinasi DSS/ES dapat bertindak lebih proaktif.Di bawah ini adalah beberapa poin dari riset yang telah dilakukan: 1. sumber model DSS. mesin pembelajaran (machine learning). ES bisa memberikan kontribusi utama dalam hal ini. dan ilmu politik. GUI. Kontribusi serupa bisa dating dari psikologi kognitif. menjelaskan struktur masalah. Peningkatan DSS harus lebih memberi perhatian pada masalahPage 45 Sistem Pendukung Keputusan – Gunandjar. 5. Saat ini DSS tak kreatif. Perkembangan terbaru pada teknologi komputer. DSS di masa depan harus mendukung alasan-alasan pemilihan klas keputusan tertentu. Manajemen sains. ilmu komputer. 6. 2. tapi di masa depan DSS harus menyediakan cara baru untuk mendefinisikan model. dapat digunakan untuk meningkatkan DSS. Sekarang ini DSS berlaku pasif menanggapi pertanyaan “what-if” yang diajukan.

Perspektif baru ini akan didukung oleh penambahan kemampuan kreatifitas dan inovasi. Komponen manusia dalam DSS harus dicermati untuk melihat dampak DSS pada saat pembelajaran. dan estetik. CBIS lainnya. baik mengenai teorinya dan dalam pengembangan software. Riset DSS harus melebarkan perspektifnya. atau paling tidak menghasilkan peneluran ide.masalah yang tak terstruktur. Konsep manajemen model harus dikembangkan. Eksplorasi diperlukan untuk menemukan arsitektur yang sesuai yang menjadikan pengambil keputusan dapat menggunakan ES untuk Sistem Pendukung Keputusan – Gunandjar. Ini akan membutuhkan variabel yang lebar jangkauannya. DSS di masa depan harus mampu untuk membuat berbagai aksi alternatif dari dirinya sendiri. Masalahnya adalah bagaimana melakukannya. yang sulit untuk diukur atau bahkan ditentukan. 9. 16. Masalah sosial dan etik juga harus lebih diperhatikan. menghasilkan DSS yang proaktif dalam membuat perubahan lebih dari sekedar mengantisipasi perubahan. Antarmuka manusia-mesin dan dampaknya pada kreativitas dan pembelajaran harus menjadi perhatian utama dalam riset DSS. Komputasi syaraf dapat ditambahkan berkenaan dengan masalah kerancuan. 13. Teori DSS harus ditingkatkan. 8. Teori-teori harus dikembangkan pada wilayah pengambilan keputusan organisasional dan pengambilan keputusan pada grup. 12. 17. 11. karena hal tersebut berdampak pada efisiensi dan keefektifan organisasi secara keseluruhan. Aplikasi DSS dapat ditingkatkan dengan melibatkan nilai. 14. Riset harus dilakukan pada interaksi diantara individu dan grup. 10. etik.ST Page 46 . 7. Integrasi DSS dengan ES. dan teknologi komputer yang berbeda lainnya (misal: komunikasi) akan menjadi wilayah riset utama. pembelajaran. Teori-teori harus dikembangkan pada topik-topik seperti pengukuran kualitas keputusan. Sekali lagi ES dapat memberikan kontribusi yang bernilai disini. berhubungan dengan keefektifan organisasi dan perencanaan strategis. dan keefektifan. 15.

perantara. Dampak organisasional dari MSS bisa signifikan. riset. Untuk DSS di institusi yang mendukung pengambilan keputusan berurutan dan saling berhubungan. konstruksi. dan adaptasi.18 DSS masa Depan 1. 2. group DSS akan lebih lazim di masa depan. 3. Kesimpulan • • • • • • DSS dikembangkan dengan proses pengembangan yang unik berdasarkan prototyping. Terdapat berbagai strategi pengembangan. kecenderungan ke depan adalah menjadi DSS terdistribusi. 4. 6. Page 47 Untuk dukungan keputusan saling berhubungan yang terkonsentrasi. DSS groups akan berkurang peranannya seperti projek khusus bagian dari tim pendukung ditujukan untuk “tim komando” dan lebih banyak informasi.ST .meningkatkan kemampuan pengambilan keputusannya. Partisipan dalam proses konstruksi adalah: user. builder. kemungkinan sebagai bagian dari pusat Sistem Pendukung Keputusan – Gunandjar. desain. Langkah utamanya adalah: perencanaan. Semua kecenderungan di atas akan menuju pada satu titik pada pengembangan berkelanjutan pada kemampuan sistem yang lebih user-friendly. dan pemegang tool. Mulai dari penggunaan CASE tool sampai dengan pemrograman dengan DSS generator (engine). analisis. teknik AI. Riset lebih lanjut harus diarahkan pada wilayah ini. Pendekatan berulang (prototyping) paling umum digunakan dalam DSS. implementasi. personal. perawatan. 4. 5. Produk-produk DSS akan mulai menggabungkan tool dan teknikDSS berbasis PC akan terus tumbuh utamanya untuk dukungan berbagai dukungan end-user lainnya. tenaga pendukung. 18. DSS generator (engine) adalah tool pengembangan terintegrasi yang digunakan dalam membangun kebanyakan DSS.

DSS yang dapat berevolusi sendiri. • • DSS dapat dibangun oleh tim maupun individu. Software elektronik menggunakan asosiasi. Peneluran ide dapat ditingkatkan dengan software elektronik. dan hardware. Pemilihan yang sesuai untuk membangun DSS tertentu haruslah didesain dengan cermat. pemilihan software yang sesuai (generator jika dibutuhkan). identifikasi pola. active. familiar dengan kebutuhannya. dan symbiotic adalah konfigurasi yang berbeda dari intelligent DSS. • • • • • • • • • • • • Pengembangan DSS berbasis user bisa juga berkualitas rendah. Windows membuatnya mungkin untuk membangun DSS dengan cepat dan murah Suatu intelligent DSS harus bisa berperan aktif yang berhubungan dengan task/tugas penyelesaian masalah yang rancu dan kompleks. dan berbagai Page 48 Sistem Pendukung Keputusan – Gunandjar. Kebanyakan DSS dibangun dengan generator pengembangan DSS atau dengan tool-tool pengembangan 4GL tak terintegrasi. • • Bagian utama dari komputasi end-user adalah pembangunan DSS untuk dukungan personal yang dilakukan oleh individu. karena itu kontrol yang cukup dapat memperbaiki situasi tersebut. Pembangunan DSS dengan tim mengikuti proses terstruktur.karena kebutuhan informasi tak dapat diketahui dengan tepat pada awal proses.ST . Keuntungan utama orang-orang yang membangun DSS-nya sendiri adalah: waktu penyelesaiannya singkat. Kecerdasan ditambahkan ke DSS dengan menempelkan knowledge base dalam software DSS. Terdapat banyak sekali tool dan generator di pasaran. Brainstorming (“pembadaian” pendapat) secara elektronik adalah salah satu cara mendukung peneluran ide. Banyak DSS dibangun dalam lingkungan Windows. biaya rendah. termasuk perencanaan. Kecerdasan diperlukan secara khusus dalam manajemen masalah. dan implementasinya lebih mudah. Kreativitas untuk peneluran ide (idea generation) adalah aktivitas penting dalam pengambilan keputusan.

PT. Komputerisasi Pengambilan Keputusan. • • Variabel utama riset independen DSS adalah perilaku user. Variabel utama riset independen DSS adalah kualitas keputusan yang dibuat Daftar Pustaka • • • Turban. lingkungan. task. Prentice-Hall.. 1995. dan kemampuan DSS. dan M.Umar.ST Page 49 . Decision Support and Expert Systems: Management Support Systems. PT Elex Media Komputindo. Sistem Pendukung Keputusan – Gunandjar. C.teknik yang sudah dikenal lainnya untuk mendukung peneluran ide. 1998. K. Fourth Edition. Bandung. Jakarta.Ali Ramdhani. D. Daihani. Remaja Rosdakarya. 2001. Inc. United States of America. Suryadi. Sistem Pendukung Keputusan. Efraim.

Sign up to vote on this title
UsefulNot useful